# Mechanical-Fault-Diagnosis-Based-on-Deep-Learning
CNN for mechanical fault diagnosis
These codes serve for two papers: 'Rolling Element Bearings Fault Intelligent Diagnosis Based on Convolutional Neural Networks Using Raw Sensing Signal'(paper_1) and 'Bearings Fault Diagnosis Based on Convolutional Neural Networks with 2-D Representation of Vibration Signals as Input'(paper_2).
Prerequisite, Matlab 2013a, Python 2.7.11, Tensorflow (better in ubuntu14.04).
To start with, you should run image_matrix.m to prepare your own data.
second, disorder_images.py and input_bear_data.py should be used to tansform your data into the input format of tensorflow.
last, you may choose to run mnist_b.py or mnist_c.py for paper_1 or mnist_2d.py for paper_2.
如果大家对以上研究感兴趣,可以进一步参考我的这两篇论文:A New Deep Learning Model for Fault Diagnosis with Good Anti-Noise and Domain Adaptation Ability on Raw Vibration Signals与A deep convolutional neural network with new training methods for bearing fault diagnosis under noisy environment and different working load,更详细的请看我的硕士毕业论文:基于卷积神经网络的轴承故障诊断算法研究。若使用,请引用,谢谢。
没有合适的资源?快使用搜索试试~ 我知道了~
python毕业设计-基于深度学习的滚动轴承故障诊断方法项目源码+全部数据.zip
共11个文件
py:6个
pyc:1个
docx:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 157 浏览量
2024-04-24
09:22:54
上传
评论
收藏 185KB ZIP 举报
温馨提示
数据准备:收集或准备包含滚动轴承振动数据的数据集,确保数据集包含有标签的故障样本和对应的故障类别。可以收集滚动轴承振动信号、温度传感器数据等。 数据预处理:对数据进行预处理,如数据清洗、去除噪声、标准化等。一些常用的预处理方法包括平滑滤波、傅里叶变换等。 数据切分:将数据集切分为小段时间窗口,以便将振动信号转换为时间序列数据。每个时间窗口应包含足够的振动信息以区分不同的故障状态。 特征提取:在每个时间窗口上提取特征。可以使用各种信号处理和特征提取方法,如小波变换、功率谱密度、时域统计特征(如均值、方差等)等。 数据标记:将提取的特征与相应的故障标签进行匹配。 构建深度学习模型:在Python中使用合适的深度学习框架(如TensorFlow、PyTorch)构建深度学习模型。可以选择使用循环神经网络(RNN)、长短期记忆网络(LSTM)或卷积神经网络(CNN)等结构,以便处理时间序列数据。 模型训练:使用带有标签的数据集对深度学习模型进行训练。定义损失函数和优化器,并根据训练数据进行迭代训练。 模型评估和调优:使用预留的测试集对训练好的模型进行评估,计算模型的准确度、精确度
资源推荐
资源详情
资源评论
收起资源包目录
SYS.zip (11个子文件)
Mechanical-Fault-Diagnosis-Based-on-Deep-Learning-master
input_data.py 6KB
mnist_2d.py 4KB
mnist_b.py 3KB
disorder_images.py 1KB
nbww.docx 15KB
demo.jpg 161KB
mnist_c.py 3KB
input_bear_data.pyc 4KB
input_bear_data.py 3KB
image_matrix.m 975B
README.md 1KB
共 11 条
- 1
资源评论
荒野大飞
- 粉丝: 9303
- 资源: 413
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Nasa高分卫星火点监测数据接入源码
- 基于区块链的图片版权保护系统的设计与实现+详细文档+全部资料(高分毕业设计).zip
- N0100P-VB一款SOT23封装P-Channel场效应MOS管
- 数据分析2024版Tecplot360中文教程最全解析.ppt
- 基于区块链的图片版权保护系统的设计与实现+详细文档+全部资料(高分毕业设计).zip
- 上海大众帕萨特1.8GLI 2005款线路图
- MVSF2N02ELT1G-VB一款SOT23封装N-Channel场效应MOS管
- 基于区块链的图片版权保护系统的设计与实现+详细文档+全部资料(高分毕业设计).zip
- MVGSF1N03LT1G-VB一款SOT23封装N-Channel场效应MOS管
- 西门子博途TIA编程手册
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功